以下將 codegraph 納入實際項目運作查看使用效益

$ (py3.10) D:\OlgCase\RS\HXXR_3>codegraph init

┌  Initializing CodeGraph
│
◆  Initialized in D:\OlgCase\RS\HXXR_3
|
|  * Scanning files - 2,371 found
|  * Parsing code - done
|  * Resolving refs - done
│
◆  Indexed 2,371 files
│
●  69,568 nodes, 192,594 edges in 53.1s
│
└  Done

- 閱讀剩餘部分 -

Giving an AI Agent a Memory: A Self-Curating Knowledge Base for Game Development

Why I stopped letting my AI assistant re-learn the whole codebase every morning — and built it a memory that curates itself.

The problem I kept hitting

- 閱讀剩餘部分 -

Lab 2：摩擦點偵測器（Day 17-19）

要找出高摩擦 session，分類摩擦原因，輸出改善建議

2-1 摩擦偵測模組

- 閱讀剩餘部分 -

下面我們來開發使用 claude code 的效率指標圖表功能

效率指標計算器

目標：計算每個 session 的效率分數，找出你的高效與低效 session

新增效率指標模組

- 閱讀剩餘部分 -

今天來看下這篇文章，第一次看的時候沒意識到重要性，後來看某個面試官在闡述 agent 工程師的區別時特地説到這篇文章才想起來

Anthropic building-effective-agents

Anthropic 觀察了幾十個在生產環境落地的 LLM 系統，發現一個反直覺的規律：最成功的實作往往不是用最複雜的框架，而是用最簡單、可組合的模式。

他們把所有涉及 LLM 自主行動的系統統稱為 agentic system，但在這個概念下做了一個關鍵的架構區分——

- 閱讀剩餘部分 -